数据挖掘在建筑暖通空调的应用

导语：数据挖掘在建筑暖通空调的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:文章以传统建筑能耗分析为切入点，引申出将数据挖据应用于暖通空调的新思路，分析了数据挖掘的概念，及其在暖通空调领域的相关应用现状和制约因素，提出了几点在暖通空调中推行数据挖掘的建议，展望了暖通空调中应用数据挖掘的前景。

关键词:数据挖掘;暖通空调;应用;制约因素;建议;前景

改革开放以来，随着物质生活水平的提高，人们对所处环境的热舒适性要求导致建筑能耗不断提高，对资源的供给构成了巨大的挑战。传统能耗计算通过诸如EneryPlus、DeST等对建筑进行建模后，定性、定量的分析，［1］然而这些模型未考虑不断变化的气象条件，多变的能耗或建筑的热物性能，使得其使用受到一定限制。随着智慧建筑的兴起，楼宇自控的不断完善，海量建筑物实测数据、气象数据、系统运行数据等被记录，通过数据挖据，发现数据之间潜在的内部联系，将数据有效的应用起来，为其在暖通空调中的应用提供新的思路。

1数据挖掘概念

数据挖掘是一个从海量数据中发现和提取有价值信息的过程。集人工智能、机器学习、数据可视化和统计数学于一体的多学科技术。［2］利用数据挖掘可以做到以下几点:(1)对数据进行分类，凸显同类事物的共有属性或不同事物的差异性，从而更好地进行建筑节能设计或运行调节。(2)发现数据与数据之间的相关性，发现暖通空调系统各参数，如室内外温湿度，送回风量，压强等之间的关联度，掌握系统运行底层规律，为系统控制策略提供参考。(3)对数据进行聚类，计算分析数据之间的相似度，显现建筑环境的内在机理及影响因素，确定各影响因素的影响程度。(4)对缺失的数据或未来的数据进行预测。

2暖通空调数据挖掘技术应用现状分析

通过对现有研究文献的调研，分析得出，对暖通建筑能耗数据的挖掘可按如下步骤进行:(1)确定要收集的数据集并进行收集，如温度、湿度、大气压力、太阳辐射强度、流体流量、设备功率、控制信号等;(2)对数据进行预处理，清洗数据，提高数据质量，确保数据的准确性和完整性;(3)结合已收集数据的特点，确定适宜的分析算法，并建立模型，常见算法如k-最近邻算法、支持向量机、神经网络等，训练清理过的数据，调整模型参数，使模型尽可能达到最佳;(4)对结果进行分析，分析结果的准确性，模型的优缺点等;(5)应用模型。2．1冰蓄冷空调负荷预测与控制策略。冰蓄冷空调对负荷预测有着很强的需求。太阳辐射辐射强度、室外温度湿度、室内设计温度以及维护结构热物性等都是影响冰蓄冷空调系统的主要因素，收集数据，选择适宜的模型，并进行训练，在保证一定精度的条件下，对第二日逐时冷负荷进行预测，根据第二日电价，合理分配冰蓄冷装置和制冷机组各应提供的冷量，提前在电价谷段对蓄冰量进行控制，并制定实际操作策略，在电价峰段最大限度使用冰蓄冷，减少富裕冰量，或蓄冰过少造成在电价峰段过多的使用制冷机。通过对负荷的预测，不仅降低了设备的运行成本，而且还提高了用户的经济效益。2．2暖通空调控制系统的故障检测与诊断。空调系统的故障将导致运行成本的提高，增加能耗，降低室内空气品质及热舒适度，因此对故障的检测与诊断是极其重要的。硬故障和软故障为暖通空调中两大故障，传统故障检测诊断方法对人员的技术要求高，效率也较低，如基于案例的方法，需要查找相关资料，结合已有的案例进行分析，不仅耗时耗力，而且应用的局限性也很明显;基于故障树的方法，尽管逻辑清晰且故障检索全面可靠，但是对于复杂庞大的系统，则故障树自身体量也很大，不利于快速排查。从数据挖掘的角度来实现空调系统故障检测与诊断，通过记录和挖掘空调系统正常运行时与运行故障时，各种传感器的数据，以及人员的操作记录，系统运行状态的数据等，建立模型，实现实时在线的故障检测，通过模型得到的输出来确定空调运行状态，及故障时应进行的诊断，减少了对技术人员技术储备的依赖，减少了空调系统维护或维修的时间成本，也大大提升了效率。

3数据挖据在暖通空调中应用的制约因素

3．1缺乏数据挖掘观念。数据挖据是近年来的一项新兴技术，是一门多学科共同支撑的技术。没有认识到在海量的数据中，数据与数据之间的内在联系，发现规律，并创造价值，缺乏对数据挖掘的认识不仅阻碍了数据挖掘在暖通行业的发展，也制约了暖通行业自身的发展进步。3．2数据获取途径的匮乏。已建成建筑中，拥有完善的楼宇自控系统的建筑较少，获得的监测数据不够全面，存放位置相对独立和封闭，对数据的共享机制并未建立起来，导致获取途径匮乏，且记录不完善，造成数据的浪费，使其没有发挥应有的价值，而仅仅作为对系统运行状态的反应。3．3技术的制约。现有的技术和模型不一定适用于所有的影响因素，各影响因素不仅作用于建筑环境，同时也存在相互作用，分析起来极为复杂，从而很难把握其规律。而且这些技术也不方便的被用户使用，需要实现二次封装，提供较为简单的接口。3．4成本的制约。对建筑进行数据采集，不仅需要投入设备，还需要开发较为完善的楼宇系统，安排专业的人员进行作业，增加了项目的投资。3．5缺少数据挖掘人才。将数据挖掘技术，应用于暖通空调行业，不仅需要掌握暖通专业相关技术知识，还需要对数据信息敏感，懂得如何对数据进行挖掘的人才，面对海量的数据，应学会使用计算机编程的工具，如Python以及其数据处理框架Pandas，神经网络框架TensorFlow或其它工具等来对数据进行整理，分析，对模型进行训练，可视化等。而这样的人才，是极少数的。因此数据挖掘人才的紧缺也制约暖通行业大数据发展的因素。

4暖通空调中推行数据挖掘的建议

4．1改变观念。在数据无处不在的现在以及未来，世界是信息的世界，利用好数据，评估和挖掘数据的潜在价值。转变思维方式，理解数据挖掘的特点，其具有数据源海量性特点、结果具有概率性特点，不精确不再是缺点，数据的体量决定了其容错能力很好，对数据的精确解析不再是首要要求，寻找数据间的内在联系变得愈发重要，相关关系的发现更加准确，也更有效率。4．2相关政府部门给予政策支持。政府部门应制定相关政策，给予资金支持，要求建立建筑能耗监测系统，规范数据记录形式。同时主持创建暖通行业大数据相关的公共数据库，鼓励企业或科研机构将不涉密的数据资料进行资源共享，使数据信息变得透明，为广大研究者提供数据支持，降低数据获取的门槛，让更多的专业人才能专注于科研本身。4．3大学应开设相关课程。目前，暖通专业的大学课程侧重于专业相关的理论知识，主干基础课包括传热学、工程热力学、流体力学等，开设的建筑设备自动控制原理课程也主要是教授通过外加的设备或机械装置对被控对象进行自动控制，而未涉及对大量数据进行处理及分析的需求。因此，本专业应开设数据挖掘相关课程，培养属于自己的数据分析技术人才，顺应时代的变革。5前景展望近年来，楼宇自动化系统积累了大量的数据，为实现数据挖掘提供了坚实的数据基础，国家对新技术的大力扶持，提供了坚强的后盾，同时国内外互联网，物联网技术的快速更新迭代，为大数据的处理提供了先进的算法思想和工具支持。暖通行业的数据挖掘技术也刚刚起步，不仅能对已建成的系统进行改造升级，也能为新系统的设计和控制策略、新产品的研发提供支持，同时通过研究用户人行为，［3］为不同的客户提供差异化，个性化的产品和服务，使行业向信息化、智能化、技能话发展。

6结语

将数据挖掘应用于暖通空调，能促进暖通空调向数据导向型转变，以数据的形式展现建筑自身属性及其客观规律。在应用不同的算法对数据进行分析的过程中，结合实际工程项目，打造真正的智慧建筑、绿色建筑。

参考文献:

［1］张运楚，韩怀宝，杨红娟，杨崇涛，王兆斌．数据挖掘技术及其在建筑节能中的应用［J］．计算机系统应用，2017，26(09):151-157．

［2］崔治国，曹勇，魏景姝，毛晓峰，李冉，唐艳南．数据挖掘技术在建筑暖通空调领域的研究应用进展［J］．建筑科学，2018，34(04):85-97．

［3］陈焕新，刘江岩，胡云鹏，李冠男．大数据在空调领域的应用［J］．制冷学报，2015，36(04):16-22．

作者:陈亮 单位:河北工程大学